目录

配套资源下载

第1章人工智能的概念、内容和方法

1.1什么是人工智能

1.1.1人工智能的概念

1.1.2图灵测试和中文屋子

1.1.3脑智能和群智能

1.1.4符号智能、连接智能和计算智能

1.1.5统计智能和交互智能

1.2为什么要研究人工智能

1.2.1研究人工智能的意义

1.2.2人工智能的研究目标和策略

1.3人工智能的相关学科

1.4人工智能的研究内容

1.4.1搜索与求解

1.4.2知识与推理

1.4.3学习与发现

1.4.4发明与创造

1.4.5感知与响应

1.4.6理解与交流

1.4.7记忆与联想

1.4.8竞争与协作

1.4.9系统与建造

1.4.10应用与工程

1.5人工智能的研究途径与方法

1.5.1心理模拟，符号推演

1.5.2生理模拟，神经计算

1.5.3行为模拟，控制进化

1.5.4群体模拟，仿生计算

1.5.5博采广鉴，自然计算

1.5.6着眼数据，统计建模

1.6人工智能的分支领域与研究方向

习题1

第2章人工智能的应用与发展概况

2.1人工智能的应用

2.1.1难题求解

2.1.2自动规划、调度与配置

2.1.3机器博弈

2.1.4机器翻译与机器写作

2.1.5机器定理证明

2.1.6自动程序设计

2.1.7智能控制

2.1.8智能管理

2.1.9智能决策

2.1.10智能通信

2.1.11智能预测

2.1.12智能仿真

2.1.13智能设计与制造

2.1.14智能车辆与智能交通

2.1.15智能诊断与治疗

2.1.16智能生物信息处理

2.1.17智能教育

2.1.18智能人机接口

2.1.19模式识别

2.1.20智能机器人

2.1.21数据挖掘与知识发现

2.1.22计算机辅助创新

2.1.23计算机文艺创作

2.1.24个人智能助理

2.2人工智能学科发展概况

2.2.1孕育与诞生

2.2.2符号主义先声夺人

2.2.3连接主义不畏坎坷

2.2.4计算智能异军突起

2.2.5统计智能成就卓越

2.2.6智能主体一统江湖，Agent & Robot

2.2.7知识工程东山再起，机器学习领衔高歌 

2.2.8大语言模型横空出世，多模态生成式令人惊愕

2.2.9现状与趋势

习题2

第3章图搜索与问题求解

3.1概述

3.2状态图与状态图搜索

3.2.1状态图

3.2.2状态图搜索

3.2.3穷举式搜索

3.2.4启发式搜索

3.3状态图搜索问题求解

3.3.1问题的状态图表示

3.3.2状态图搜索问题求解程序举例

延伸学习导引

习题3

第4章知识表示与机器推理

4.1概述

4.1.1知识及其表示

4.1.2机器推理

4.2一阶谓词及其推理

4.2.1谓词，函数，量词

4.2.2谓词公式

4.2.3自然语言命题的谓词形式表示

4.2.4基于谓词公式的形式演绎推理

4.3产生式规则及其推理

4.3.1产生式规则

4.3.2基于产生式规则的推理

4.4语义网络

4.4.1语义网络的概念

4.4.2语义网络的表达能力

4.4.3基于语义网络的推理

4.5知识图谱

延伸学习导引

习题4

第5章机器学习与知识发现(一)

5.1概述

5.2基本原理与分类

5.2.1机器学习的概念

5.2.2机器学习的原理

5.2.3机器学习的分类

5.3符号学习

5.3.1记忆学习

5.3.2示例学习

5.3.3演绎学习

5.3.4类比学习

5.3.5决策树学习*

5.4强化学习

5.4.1简单原理

5.4.2Q学习算法*

5.4.3强化学习的发展概况

延伸学习导引

习题5

第6章机器学习与知识发现(二)

6.1统计学习

6.1.1概述

6.1.2回归问题的线性函数模型学习，梯度下降法

6.1.3分类问题的线性判别函数模型学习

6.2神经网络学习

6.2.1从生物神经元到人工神经元

6.2.2神经网络及其学习

6.2.3神经网络模型及其分类

6.2.4BP网络及其学习举例*

6.3深度学习

6.3.1什么是深度学习

6.3.2深度学习的优势

6.3.3深度学习的发展和扩展

延伸学习导引

习题6

第7章机器感知与语言交流

7.1引言

7.2模式识别

7.2.1基本原理与方法

7.2.2距离分类法

7.2.3几何分类法

7.2.4概率分类法

7.3自然语言处理

7.3.1自然语言处理的途径、方法和发展概况

7.3.2基于规则的自然语言理解

7.3.3统计语言模型

7.3.4神经语言模型

延伸学习导引

习题7

第8章大语言模型、多模态大模型和生成式AI

8.1大语言模型

8.1.1大语言模型概述

8.1.2大语言模型的技术脉络

8.1.3Transformer 简介

8.1.4大语言模型开发与构建

8.2多模态大模型

8.2.1多模态大模型的架构与运作

8.2.2多模态大模型的训练

8.2.3多模态大模型的发展概况

8.3生成式AI

8.3.1生成式AI发展概况

8.3.2生成模型的类型

8.4大模型与生成式AI的应用、性能、问题与对策

8.5当前趋势及其他思路和范式

延伸学习导引

习题8

第9章人工智能应用系统

9.1概述

9.2专家(知识)系统

9.2.1什么是专家系统

9.2.2专家系统的结构

9.2.3专家系统与基于知识的系统及知识工程

9.2.4专家系统的建造

9.2.5专家系统的发展

9.3Agent系统

9.3.1什么是Agent

9.3.2Agent的结构

9.3.3Agent实例——Web Agent

9.3.4多Agent系统

9.3.5Agent技术的发展与应用

9.4智能机器人

9.4.1智能机器人的基本原理

9.4.2机器人技术进展

延伸学习导引

习题9

第10章智能计算机与智能化网络

10.1智能计算机

10.1.1智能硬件平台和智能操作系统

10.1.2人工智能芯片

10.1.3神经网络计算机，类脑芯片

10.1.4智能计算机发展展望

10.2智能化网络

10.2.1智能网

10.2.2智能Web

10.2.3网络的智能化管理与控制

10.2.4网上信息的智能化检索

10.2.5推荐系统

延伸学习导引

习题10

第11章人工智能编程语言与开发平台

11.1概述

11.1.1函数型语言

11.1.2逻辑型语言

11.1.3面向对象型语言

11.1.4计算型语言

11.1.5混合型语言

11.2知识工程经典语言PROLOG*

11.2.1PROLOG语句

11.2.2PROLOG程序

11.2.3PROLOG程序的运行机理

11.3机器学习流行语言Python*

11.3.1Python语言的特点和优势

11.3.2Python程序举例

11.4深度学习框架与平台*

延伸学习导引

习题11

中英文名词对照及索引

参考文献